CN108445908A - 基于时间最优的无人机跟踪水上目标的方法 - Google Patents
基于时间最优的无人机跟踪水上目标的方法 Download PDFInfo
- Publication number
- CN108445908A CN108445908A CN201810438222.XA CN201810438222A CN108445908A CN 108445908 A CN108445908 A CN 108445908A CN 201810438222 A CN201810438222 A CN 201810438222A CN 108445908 A CN108445908 A CN 108445908A
- Authority
- CN
- China
- Prior art keywords
- unmanned plane
- tracking
- horizontal
- target
- limit cycle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000033001 locomotion Effects 0.000 claims abstract description 31
- 230000004888 barrier function Effects 0.000 claims abstract description 16
- 150000001875 compounds Chemical class 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 230000003068 static effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 241000792859 Enema Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000007920 enema Substances 0.000 description 1
- 229940095399 enema Drugs 0.000 description 1
- 125000000623 heterocyclic group Chemical group 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009017 pursuit movement Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000829 suppository Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出一种基于时间最优的无人机跟踪水上目标的方法，假设已知待跟踪目标的状态信息，且无人机在水平面与纵向平面内的运动是解耦的，所述方法包括以下步骤，确定跟踪平衡状态；基于跟踪平衡状态构建期望航路，引导无人机运行至期望航路，以引导无人机以最短的时间到达跟踪平衡状态。该方法同时还适用于多架无人机跟踪目标的任务，及障碍物规避。本发明提出的无人机跟踪水上目标的方法，通过确定跟踪平衡状态，针对平衡状态构造内/外切线与临界高度，引导无人机以最短时间收敛到水平极限环与对峙高度，任务效率较高。
Description
技术领域
本发明涉及无人机控制技术领域，尤其涉及一种无人机跟踪水上目标的方法。
背景技术
无人机(Unmanned Aerial Vehicle，简称UAV)因具有使用灵活、性价比高、生存能力强、可执行高风险任务等优势，在军、民用领域得到了广泛应用，无人机技术也已成为影响未来军用和民用装备研制与发展的战略制高点。在军用领域，无人机广泛应用于侦察监视、毁伤评估、态势感知等任务；在民用领域，无人机可有效地执行灾害感知与评估、资源探测、大地测绘等多种任务。
水上目标跟踪作为无人机的典型应用之一，已逐渐应用于海上突发事件应急监控等场景，成为国内外学术界与海洋管理部门的关注热点，然而现阶段针对无人机跟踪目标的技术瓶颈仍然较多。其中，智能化与自主化是无人机的本质特征与未来趋势，但现阶段无人机的自主等级仍然较低。结合近年来的无人机发展趋势可知，航路规划技术是提高无人机自主控制水平的关键技术之一，因此本发明将从无人机航路规划的技术角度出发，解决目标跟踪问题。现阶段无人机对目标的跟踪模式主要有两类，包括持续跟踪与对峙跟踪：持续跟踪使目标尽可能长时间地保持在无人机传感器的有效探测范围内，该种模式可处理复杂环境下的各类约束；对峙跟踪要求无人机与目标的水平距离保持恒定，此外各无人机需在极限环上按相位平均分布。通常来说，对峙跟踪模式可保证无人机传感器对目标的覆盖，减小定位误差，并降低无人机暴露风险，具有更高的实际应用价值。
针对目标对峙跟踪问题，Lyapunov导航向量场是最普遍的方法，该类方法分为两级结构：首先定义Lyapunov距离函数并确定期望航向，引导无人机收敛到目标上空的极限环上；然后定义Lyapunov相位函数，对各架无人机的速率进行调整，引导多机按相位平均分布于极限环上，实现多无人机的最优空间配置。Lyapunov导航向量场方法虽然最终可收敛到极限环上，但上述收敛过程所需时间较长。为进一步提高收敛速度，可采取切向导航向量场法使无人机按最短路径收敛到极限环上，但该策略仅对极限环外部的无人机有效。此外，可采取最优控制思路(如非线性模型预测控制)对特定问题进行建模并求解，能够有效提高跟踪精度。其他方法还包括微分几何法、航路构造法、参考点制导法等。
现有的目标对峙跟踪方法大多假定无人机在二维水平面内飞行，因此未能充分利用环境信息与机动能力。更重要的是，无人机收敛到极限环的时间往往较长，且未考虑目标跟踪过程中的安全避障问题，因此面向水上目标对峙跟踪的无人机航路规划技术在任务效率方面仍有很大的提升空间。
发明内容
本发明的目的在于提供一种基于时间最优的无人机跟踪水上目标的方法，该方法可实现无人机对水上目标快速稳定的跟踪。
为了实现上述目的，本发明提供如下技术方案：
一种基于时间最优的无人机跟踪水上目标的方法，其特征在于，假设已知待跟踪目标的状态信息，且无人机在水平面与纵向平面内的运动是解耦的，所述方法包括以下步骤，
确定跟踪平衡状态；
基于跟踪平衡状态构建期望航路，引导无人机运行至期望航路，以引导无人机以最短的时间到达跟踪平衡状态。
优选的是，跟踪平衡状态为：无人机与水上目标保持恒定的水平距离，位于同一水平极限环内，且保持恒定的垂直距离。
优选的是，若多无人机共同执行跟踪任务，所述跟踪平衡状态进一步为：各无人机在水平极限环上按相位平均分布。
优选的是，构建期望航路的方法为：若无人机位于极限环的外部，将无人机位置点与极限环的外切线作为期望航路，其中外切点为：
其中，(x,y)表示无人机的水平位置，(xt,yt)表示目标的水平位置；(xtan,ytan)为外切点，R表示极限环的半径，表示无人机与目标之间的水平距离。
若无人机位于极限环的内部，确定与无人机当前速度矢量相切的极限环内切圆，将内切圆的外切线或内切圆部分弧线作为期望航路。
优选的是，若无人机位于极限环的外部，选择与无人机当前速度矢量夹角较小的一条外切线作为期望航路。
优选的是，若无人机位于极限环的内部，选择距离无人机当前位置较近的内切圆，取其外切线或内切圆部分弧线作为期望航路；
内切圆圆心定义为：
其中，为无人机顺时针(A＝-1)或逆时针(A＝1)运动的标志位；
其中，rmin为无人机最小转弯半径，(x,y)表示无人机的水平位置，(xt,yt)表示目标的水平位置，表示无人机的水平速度矢量。上式中，rd和rl为中间变量，无实际意义。
优选的是：引导无人机沿期望航路运行至跟踪平衡状态的方法为：
横向引导：计算无人机的期望水平速度，所述期望水平速度是指无人机沿期望航路的水平速度，无人机横向以期望水平速度运行至极限环；
纵向引导：确定临界高度Htan，
若无人机位于极限环的下方，则无人机需要做下降运动：
若无人机位于极限环的上方，则无人机需要做下降运动：
其中，H为期望的对峙高度，aH,max为最大垂直加速度，vH,max表示无人机的垂直速度，无人机在临界高度之外时，始终以vH,max恒速飞行，当无人机在临界高度与对峙高度之间时，以aH,max为控制输入匀减速飞行；
无人机在横向引导和纵向引导到达极限环后，沿极限环飞行。
优选的是：计算无人机期望水平速度的方法为：假设无人机水平速率始终为V，获取期望航路后，可计算无人机的期望水平速度
优选的是：若多无人机共同执行跟踪任务，实现各无人机在水平极限环上按相位平均分布的方法为：
构建Lyapunov相位函数：
其中，φi为第i架无人机的相位角，定义如下关系式：
其中，为第i架无人机的相位角速度，Nu为无人机的总数量，假设第一架无人机的水平速率为V1＝V，则第一架无人机的相位角速率为：
其中，R为第一架无人机与跟踪目标之间的距离；
依此求取最终可计算得其他无人机的期望水平速率进而可实现各无人机按相位的平均分布。
优选的是：跟踪方法进一步包括以下步骤：为目标跟踪方法引入待跟踪目标运动速度，则：
其中，V为无人机的水平速度，为无人机期望水平速度，为待跟踪目标的水平移动速度，α为修正因子。
优选的是：跟踪方法进一步包括以下步骤：当无人机飞行空间存在障碍物时，在障碍物周围形成斥力场Urep，终止点位置处形成引力场Uatt，两类势场的叠加即为复合势场U＝Urep+Uatt，它们的负梯度即为复合势场力F或飞行速度：
其中表示障碍物对无人机的排斥力，ρ(q,qobs)为无人机与障碍物距离，ρ0为障碍物的影响距离，η为排斥系数。表示引力场对无人机的吸引力。表示负梯度运算。为了引导无人机跟踪目标且躲避障碍，可用时间最优导航向量场替代引力场，即把Fatt直接定义为按前述步骤所获得的期望飞行速度。
与现有技术相比，本发明的优点和积极效果在于：
(1)本发明提出了一种基于时间最优的无人机跟踪水上目标的方法，该方法提出了时间最优导航向量场，通过确定跟踪平衡状态，针对平衡状态构造内/外切线与临界高度，引导无人机以最短时间收敛到水平极限环与对峙高度，任务效率较高；
(2)本发明将时间最优导航向量场代替传统人工势场法中的引力场，可同时满足对峙跟踪与自主避障的任务需求；
(3)本发明使无人机在三维空间内飞行，充分利用了环境信息与无人机机动能力。
附图说明
图1为本发明无人机跟踪水上目标的方法流程示意图；
图2a为本单架无人机跟踪静止目标示意图；
图2b为本单架无人机跟踪静止目标示意图；
图3a为水平方向上时间最优导航向量场结构示意图；
图3b为竖直方向上时间最优导航向量场结构示意图；
图4位三架无人机跟踪目标结构示意图；
图5a为惯性坐标系下面向目标对峙跟踪的多无人机航路示意图；
图5b为相对坐标系下面向目标对峙跟踪的多无人机航路示意图；
图6为障碍物空间下时间最优导航向量场结构示意图。
其中：1-无人机，11-第一无人机，12-第二无人机，13-第三无人机，2-待跟踪目标，3-极限环，4-内切圆。
具体实施方式
以下，结合附图对本发明的具体实施方式进行进一步的描述。
本发明提出了一种时间最优的无人机跟踪水上目标的方法，可应用于水上目标的跟踪、搜救等领域，该方法具有较高的实时性和快速追踪性。
一种基于时间最优的无人机跟踪水上目标的方法，其前提条件为，假设已知水上目标的状态信息，且无人机在水平面与纵向平面内的运动是解耦的。其中水上目标包括水上运动目标和水上静止目标，水上目标的状态信息包括水上目标的位置、速度等信息；无人机的运动可分解为两个方向上的运动，一个为水平面的运动，一个为纵向平面的运动，其中纵向平面的运动是指与水平面相垂直的方向上的运动。
无人机跟踪水上目标的方法的整体流程参考图1，具体包括以下步骤。
(1)确定跟踪平衡状态。
此处所述的跟踪平衡状态为根据跟踪需求而设定的一个状态，在该状态下认为无人机处于稳定的跟踪状态，不需要调整无人机的跟踪状态。
本实施例中，跟踪平衡状态分为单无人机执行任务的平衡状态和多无人机执行任务的平衡状态。
单无人机执行任务的平衡状态为：无人机与水上目标保持恒定的水平距离R，即无人机收敛到目标正上空的水平极限环(以R为半径的水平圆)，且保持恒定的垂直距离H，即无人机收敛到目标上空的对峙高度H。
多无人机执行任务的平衡状态为，首先要保证每个无人机均满足单无人机执行任务的平衡状态，即均与水上目标保持恒定的水平距离R，即无人机收敛到目标正上空的水平极限环(以R为半径的水平圆)，且保持恒定的垂直距离H，即无人机收敛到目标上空的对峙高度H。同时，为了保证多架无人机跟踪任务的均匀对称性，需要保证无人机在水平极限环上按相位平均分布。因此任意两架相邻无人机间的期望相位差收敛到2π/Nu，即满足φi-φi-1＝2π/Nu,i＝2,...,Nu，其中Nu为无人机数量，φi为各机的相位角，它为无人机与目标点间的水平连线和x轴的夹角，也可以理解为以跟踪目标为圆心，无人机与圆心的连线之间所成的夹角。
(2)构建期望航路。
期望航路是指无人机在由当前状态运行到跟踪平衡状态的航路。构建好期望的航路后，将引导无人机沿着期望航路，运行至跟踪平衡状态的航路。期望航路是否优化，将决定无人机跟踪目标的效率。本发明提出的为一种时间最优的期望航路的构建方法，优化后的期望航路将引导无人机以最短的时间达到跟踪平衡状态。
构建期望航路的方法将视无人机当前位置的不同而不同。具体参考图2a和图2b。
若无人机位于极限环的外部，即位于跟踪平衡状态的极限环的外部，将无人机位置点与极限环的外切线作为期望航路，其中外切点为：
其中，(x,y)表示无人机的水平位置，(xt,yt)表示目标的水平位置；(xtan,ytan)为外切点。
通常，外切线有两条，选择与无人机当前速度矢量夹角较小的一条外切线作为期望航路。
若无人机位于极限环的内部，确定与无人机当前速度矢量相切的极限环内切圆(以无人机最小转弯半径rmin为内切圆的半径)，将内切圆的外切线或内切圆部分弧线作为期望航路。通常，内切圆有两个，应选择距离无人机当前位置较近的内切圆，将该内切圆的外切线或内切圆部分弧线作为期望航路，其内切圆圆心定义为：
其中，为无人机顺时针(A＝-1)或逆时针(A＝1)运动的标志位；
其中，rmin为无人机最小转弯半径，(x,y)表示无人机的水平位置，(xt,yt)表示目标的水平位置，表示无人机的水平速度矢量。上式中，rd和rl为中间变量，无实际意义。
(3)引导无人机沿期望航路运行至跟踪平衡状态。
将无人机的运动分解为横向运动和纵向运动，因此，将无人机的运动分为横向引导和纵向引导。图3a和图3b所示的分别为横向和纵向给出时间最优导航向量场的示意图。
横向引导：计算无人机的期望水平速度，期望水平速度是指无人机沿期望航路的水平速度，无人机横向以期望水平速度运行至极限环。无人机期望水平速度的计算方法为，参考步骤(2)中的期望航路，假设无人机水平速率始终恒定为V，根据上述期望航路可计算无人机的期望水平速度
纵向引导：确定临界高度Htan，其中临界高度是指无人机接近于极限环的一个高度，到达临界高度后，将调整无人机的运动状态，以使其更精确的接近极限环。
若无人机位于极限环的下方(h＜H)，其中，h为无人机当前位置的高度，H为无人机极限环高度，则无人机需要做爬升运动：
无人机沿上述最短航路到达稳定状态后，继续沿极限环飞行，实现对静止目标的对峙跟踪。
若无人机位于极限环的上方(h＞H)，其中，h为无人机当前位置的高度，H为无人机极限环高度，则无人机需要做下降运动：
其中，aH,max为最大垂直加速度，vH,max表示无人机的垂直速度，无人机在临界高度之外时，始终以vH,max恒速飞行，当无人机在临界高度与对峙高度之间时，以aH,max为控制输入匀减速飞行；
无人机在横向引导和纵向引导到达极限环后，沿极限环飞行。
采用以上方法，可以将单架无人机引导至沿极限环飞行，实现对静止目标的跟踪。
(4)多机位置分布。
若多无人机共同执行跟踪任务，需要考虑多无人机的协同工作，主要是要实现各无人机的均匀跟踪高性能，实现各无人机在水平极限环上按相位平均分布，具体的方法为：
构建Lyapunov相位函数：
其中，φi为第i架无人机的相位角，定义如下关系式：
其中，为第i架无人机的相位角速度，Nu为无人机的总数量，假设第一架无人机的水平速率为V1＝V，则第一架无人机的相位角速率为：
其中，R为第一架无人机与跟踪目标之间的距离；
依此求取最终可计算得其他无人机的期望水平速率进而可实现各无人机按相位的平均分布。
参考图4，当采用三架无人机执行搜索任务时，三架无人机分别为第一无人机11，第二无人机12，第三无人机13。其中，φ1为第一无人机11的相位角，φ2为第二无人机12的相位角，φ3为第三无人机13的相位角，其中，相位角均以指定的起始参考线为标准。
假设第一架无人机11的水平速率为V1＝V，则第一架无人机11的相位角速率为：
根据公式(8)可依此求得其他无人机的期望水平速率V2,V3。
图5a和图5b分别所示的为惯性坐标系和相对坐标系下的三架无人机的跟踪运动目标的航路示意图。
(5)运动目标的跟踪。
考虑到水上目标自身可以为运动目标，或受海上潮流、海风等因素的影响，其水上目标会存在水平的运动速度。
为实现动态目标的跟踪，可在无人机期望水平速度的基础上引入目标运动速度，基于目标静止状态下无人机期望水平速度与运动目标的相对速度来表征无人机实际期望的水平速度。
优选的是：跟踪方法进一步包括以下步骤：为目标跟踪方法引入待跟踪目标运动速度，则：
其中，V为无人机的水平速度，此处的水平移动速度与上文不同，是指跟踪移动目标的无人机的水平速度，为无人机期望水平速度，为待跟踪目标的水平移动速度，α为修正因子。
因此，在相对坐标系(以目标为原点)下，无人机的相对运动速度为跟踪静态目标时的α倍，但仍能收敛到目标正上空的极限环上。
(6)障碍物规避。
将时间最优导航向量场代替传统人工势场法中的引力场，即将上述无人机的期望速度代替引力场速度，使得无人机在跟踪目标的同时可安全躲避障碍物。
当无人机飞行空间存在障碍物时，可在传统的人工势场法框架内引入时间最优导航向量场，以引导无人机安全躲避障碍。在障碍物周围形成斥力场Urep，终止点位置处形成引力场Uatt，两类势场的叠加即为复合势场U＝Urep+Uatt，则它们的负梯度即为复合势场力F或飞行速度：
其中表示障碍物对无人机的排斥力，ρ(q,qobs)为无人机与障碍物距离，ρ0为障碍物的影响距离，η为排斥系数。其中，影响距离ρ0是人为设定的值，表示障碍物附近存在斥力场的范围；排斥系数也是人为设定的值，决定了排斥力大小，该值越大，AUV躲避障碍物的时机越早且幅度越大。表示引力场对无人机的吸引力。表示负梯度运算。为了引导无人机跟踪目标且躲避障碍，可用时间最优导航向量场替代引力场，即把Fatt直接定义为按前述步骤所获得的期望飞行速度。
障碍空间下的时间最优导航向量场(即复合势场)如图6所示，无人机躲避障碍物后仍能收敛到极限环上。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (10)
1.一种基于时间最优的无人机跟踪水上目标的方法，其特征在于，假设已知待跟踪目标的状态信息，且无人机在水平面与纵向平面内的运动是解耦的，所述方法包括以下步骤，
确定跟踪平衡状态；
基于跟踪平衡状态构建期望航路，引导无人机运行至期望航路，以引导无人机以最短的时间到达跟踪平衡状态。
2.如权利要求1所述的基于时间最优的无人机跟踪水上目标的方法，其特征在于，跟踪平衡状态为：无人机与水上目标保持恒定的水平距离，位于同一水平极限环内，且保持恒定的垂直距离。
3.如权利要求2所述的基于时间最优的无人机跟踪水上目标的方法，其特征在于，若多无人机共同执行跟踪任务，所述跟踪平衡状态进一步为：各无人机在水平极限环上按相位平均分布。
4.如权利要求1或2或3所述的基于时间最优的无人机跟踪水上目标的方法，其特征在于，构建期望航路的方法为：若无人机位于极限环的外部，将无人机位置点与极限环的外切线作为期望航路，其中外切点为：
其中，(x,y)表示无人机的水平位置，(xt,yt)表示目标的水平位置，R表示极限环的半径，表示无人机与目标之间的水平距离；
若无人机位于极限环的内部，确定与无人机当前速度矢量相切的极限环内切圆，将内切圆的外切线或内切圆部分弧线作为期望航路。
5.如权利要求4所述的基于时间最优的无人机对峙水上目标的方法，其特征在于，若无人机位于极限环的外部，选择与无人机当前速度矢量夹角较小的一条外切线作为期望航路。
6.如权利要求4所述的基于时间最优的无人机跟踪水上目标的方法，其特征在于，若无人机位于极限环的内部，选择距离无人机当前位置较近的内切圆，取其外切线或内切圆部分弧线作为期望航路；
内切圆圆心定义为：
其中，为无人机顺时针(A＝-1)或逆时针(A＝1)运动的标志位；
其中，rmin为无人机最小转弯半径，表示无人机的水平速度矢量，rd和rl为中间变量，无实际意义。
7.如权利要求4或5或6所述的基于时间最优的无人机跟踪水上目标的方法，其特征在于，引导无人机沿期望航路运行至跟踪平衡状态的方法为：
横向引导：计算无人机的期望水平速度，所述期望水平速度是指无人机沿期望航路的水平速度，无人机横向以期望水平速度运行至极限环；假设无人机水平速率始终为V，获取期望航路后，可计算无人机的期望水平速度
纵向引导：确定临界高度Htan，
若无人机位于极限环的下方，则无人机需要做爬升运动：
若无人机位于极限环的上方，则无人机需要做下降运动：
其中，H为期望的对峙高度，aH,max为最大垂直加速度，vH,max表示无人机的垂直速度，无人机在临界高度之外时，始终以vH，max恒速飞行，当无人机在临界高度与对峙高度之间时，以aH,max为控制输入匀减速飞行；
无人机在横向引导和纵向引导到达极限环后，沿极限环飞行。
8.如权利要求3所述的基于时间最优的无人机跟踪水上目标的方法，其特征在于，若多无人机共同执行跟踪任务，实现各无人机在水平极限环上按相位平均分布的方法为：
构建Lyapunov相位函数：
其中，φi为第i架无人机的相位角，定义如下关系式：
其中，为第i架无人机的相位角速度，Nu为无人机的总数量，假设第一架无人机的水平速率为V1＝V，则第一架无人机的相位角速率为：
其中，R为第一架无人机与跟踪目标之间的距离；
依此求取最终可计算得其他无人机的期望水平速率进而可实现各无人机按相位的平均分布。
9.如权利要求1所述的基于时间最优的无人机跟踪水上目标的方法，其特征在于，跟踪方法进一步包括以下步骤：为目标跟踪方法引入待跟踪目标运动速度，则：
其中，V为无人机的水平速度，为无人机期望水平速度，为待跟踪目标的水平移动速度，α为修正因子。
10.如权利要求1所述的基于时间最优的无人机跟踪水上目标的方法，其特征在于，跟踪方法进一步包括以下步骤：当无人机飞行空间存在障碍物时，在障碍物周围形成斥力场Urep，终止点位置处形成引力场Uatt，两类势场的叠加即为复合势场U＝Urep+Uatt，它们的负梯度即为复合势场力F或飞行速度：
F＝-▽U＝Frep+Fatt＝-▽Urep-▽Uatt； (7)
其中表示障碍物对无人机的排斥力，ρ(q,qobs)为无人机与障碍物距离，ρ0为障碍物的影响距离，η为排斥系数；Fatt＝-▽Uatt表示引力场对无人机的吸引力；▽表示负梯度运算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810438222.XA CN108445908A (zh) | 2018-05-09 | 2018-05-09 | 基于时间最优的无人机跟踪水上目标的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810438222.XA CN108445908A (zh) | 2018-05-09 | 2018-05-09 | 基于时间最优的无人机跟踪水上目标的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108445908A true CN108445908A (zh) | 2018-08-24 |
Family
ID=63202675
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810438222.XA Withdrawn CN108445908A (zh) | 2018-05-09 | 2018-05-09 | 基于时间最优的无人机跟踪水上目标的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108445908A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109375643A (zh) * | 2018-10-24 | 2019-02-22 | 中北大学 | 基于领航-跟随式三角形编队的多四旋翼对峙跟踪目标制导律 |
| CN109471432A (zh) * | 2018-11-08 | 2019-03-15 | 南京农业大学 | 一种自主导航农用车最短避障路径规划方法 |
| CN110244756A (zh) * | 2019-04-29 | 2019-09-17 | 福州大学 | 无人机快速追踪协同避障方法 |
| WO2020135449A1 (zh) * | 2018-12-24 | 2020-07-02 | 深圳市道通智能航空技术有限公司 | 一种中继点生成方法、装置和无人机 |
| CN112363527A (zh) * | 2020-09-17 | 2021-02-12 | 北京理工大学 | 基于最优控制理论的多飞行器协同围捕方法及系统 |
| CN112947447A (zh) * | 2021-02-10 | 2021-06-11 | 大连理工大学 | 一种基于同步规划-控制策略的水面无人舰艇自主导航方法 |
| CN114371730A (zh) * | 2021-12-23 | 2022-04-19 | 中国电子科技集团公司第五十四研究所 | 一种无人机跟踪移动目标航迹规划方法 |
| CN116185051A (zh) * | 2022-09-07 | 2023-05-30 | 浙江大学 | 一种基于四旋翼动力学模型的时间最优轨迹规划方法及装置 |
| CN110738689B (zh) * | 2019-10-22 | 2024-01-26 | 武汉工程大学 | 一种小车自动跟随和躲避目标的方法、系统及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130124089A1 (en) * | 2011-11-11 | 2013-05-16 | Lockheed Martin Corporation | Spatiotemporal survivability data compression using objective oriented constraints |
| CN106125760A (zh) * | 2016-07-25 | 2016-11-16 | 零度智控（北京）智能科技有限公司 | 无人机编队路径自动规划方法及装置 |
| CN107015571A (zh) * | 2017-05-12 | 2017-08-04 | 南京航空航天大学 | 一种编队无人机追踪与规避移动目标的算法 |
| US9769387B1 (en) * | 2013-11-05 | 2017-09-19 | Trace Live Network Inc. | Action camera system for unmanned aerial vehicle |
-
2018
- 2018-05-09 CN CN201810438222.XA patent/CN108445908A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130124089A1 (en) * | 2011-11-11 | 2013-05-16 | Lockheed Martin Corporation | Spatiotemporal survivability data compression using objective oriented constraints |
| US9769387B1 (en) * | 2013-11-05 | 2017-09-19 | Trace Live Network Inc. | Action camera system for unmanned aerial vehicle |
| CN106125760A (zh) * | 2016-07-25 | 2016-11-16 | 零度智控（北京）智能科技有限公司 | 无人机编队路径自动规划方法及装置 |
| CN107015571A (zh) * | 2017-05-12 | 2017-08-04 | 南京航空航天大学 | 一种编队无人机追踪与规避移动目标的算法 |
Non-Patent Citations (3)
| Title |
|---|
| HONGDA CHEN ETC.,: "UAV Path Planning with Tangent-plus-Lyapunov Vector Field Guidance and Obstacle Avoidance", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 * |
| PENG YAO ETC.,: "Cooperative path planning with applications to target tracking and obstacle avoidance for multi-UAVs", 《AEROSPACE SCIENCE AND TECHNOLOGY》 * |
| 廖金余等,: "结合预设航线的多旋翼无人机避障算法", 《传感器与微系统》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109375643A (zh) * | 2018-10-24 | 2019-02-22 | 中北大学 | 基于领航-跟随式三角形编队的多四旋翼对峙跟踪目标制导律 |
| CN109375643B (zh) * | 2018-10-24 | 2021-06-25 | 中北大学 | 基于领航-跟随式三角形编队的多四旋翼对峙跟踪目标制导律 |
| CN109471432A (zh) * | 2018-11-08 | 2019-03-15 | 南京农业大学 | 一种自主导航农用车最短避障路径规划方法 |
| WO2020135449A1 (zh) * | 2018-12-24 | 2020-07-02 | 深圳市道通智能航空技术有限公司 | 一种中继点生成方法、装置和无人机 |
| US11982758B2 (en) | 2018-12-24 | 2024-05-14 | Autel Robotics Co., Ltd. | Relay point generation method and apparatus, and unmanned aerial vehicle |
| CN110244756A (zh) * | 2019-04-29 | 2019-09-17 | 福州大学 | 无人机快速追踪协同避障方法 |
| CN110244756B (zh) * | 2019-04-29 | 2021-09-24 | 福州大学 | 无人机快速追踪协同避障方法 |
| CN110738689B (zh) * | 2019-10-22 | 2024-01-26 | 武汉工程大学 | 一种小车自动跟随和躲避目标的方法、系统及装置 |
| CN112363527A (zh) * | 2020-09-17 | 2021-02-12 | 北京理工大学 | 基于最优控制理论的多飞行器协同围捕方法及系统 |
| CN112363527B (zh) * | 2020-09-17 | 2022-07-01 | 北京理工大学 | 基于最优控制理论的多飞行器协同围捕方法及系统 |
| CN112947447A (zh) * | 2021-02-10 | 2021-06-11 | 大连理工大学 | 一种基于同步规划-控制策略的水面无人舰艇自主导航方法 |
| CN112947447B (zh) * | 2021-02-10 | 2023-11-24 | 大连理工大学 | 一种基于同步规划-控制策略的水面无人舰艇自主导航方法 |
| CN114371730A (zh) * | 2021-12-23 | 2022-04-19 | 中国电子科技集团公司第五十四研究所 | 一种无人机跟踪移动目标航迹规划方法 |
| CN116185051A (zh) * | 2022-09-07 | 2023-05-30 | 浙江大学 | 一种基于四旋翼动力学模型的时间最优轨迹规划方法及装置 |
| CN116185051B (zh) * | 2022-09-07 | 2023-09-29 | 浙江大学 | 一种基于四旋翼动力学模型的时间最优轨迹规划方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108445908A (zh) | 基于时间最优的无人机跟踪水上目标的方法 | |
| CN110609552B (zh) | 一种水下无人航行器编队平面航迹规划方法 | |
| Saska et al. | Coordination and navigation of heterogeneous UAVs-UGVs teams localized by a hawk-eye approach | |
| Lazarowska | Ship's trajectory planning for collision avoidance at sea based on ant colony optimisation | |
| Mujumdar et al. | Evolving philosophies on autonomous obstacle/collision avoidance of unmanned aerial vehicles | |
| CN112684807A (zh) | 无人机集群三维编队方法 | |
| CN104881045A (zh) | 嵌入式视觉引导下仿生机器鱼三维追踪控制方法 | |
| CN111258231A (zh) | 仿猛禽视觉导航的自主空中加油对接半物理系统及其方法 | |
| KR101278708B1 (ko) | 수중로봇과 그 제어방법 | |
| An et al. | Task planning and collaboration of jellyfish-inspired multiple spherical underwater robots | |
| CN110703799A (zh) | 基于集中式最优控制的多舰载机协同甲板面滑行轨迹规划方法 | |
| Ceccarelli et al. | Mobile robots for dynamic environments | |
| CN109916400B (zh) | 一种基于梯度下降算法与vo法相结合的无人艇避障方法 | |
| Yang et al. | Smart autonomous moving platforms | |
| Qian et al. | Dynamic obstacle avoidance path planning of UAVs | |
| CN117406771A (zh) | 一种基于四旋翼无人机的高效自主探索方法、系统及设备 | |
| Deng et al. | Multi-robot dynamic formation path planning with improved polyclonal artificial immune algorithm | |
| CN115793709A (zh) | 一种基于pomdp模型的apf无人机路径规划方法 | |
| CN114046791B (zh) | 基于分层监测域和自适应人工势场法的车辆路径规划方法 | |
| Wu et al. | Path planning for underwater gliders with motion constraints | |
| El-Kalubi et al. | Vision-based real time guidance of UAV | |
| Lima et al. | Continuous vector fields for precise cable-guided landing of tethered uavs | |
| Wu et al. | UAV formation control based on consistency | |
| Ennong et al. | Design and experiment of a sea-air heterogeneous unmanned collaborative system for rapid inspection tasks at sea | |
| CN115129045A (zh) | 一种基于船体动力学约束模型的无人船路径规划方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180824 |
|
| WW01 | Invention patent application withdrawn after publication |